基于改进YOLOX的群养生猪轻量化目标检测方法

针对目前群养生猪智能化养殖中复杂环境下猪只目标检测精度低的问题,提出了一种基于改进YOLOX的群养生猪轻量化目标检测模型Ghost-YOLOX-BiFPN。该模型采用Ghost卷积替换普通卷积,在减少主干网络参数的情况下,提高了模型的特征提取能力。使用加入CBAM注意力机制的BiFPN作为模型的Neck部分,使得模型充分融合不同体型猪只的特征图,并使用Focal Loss损失函数解决猪圈环境下猪只与背景难以区分的问题,增强模型对正样本的学习。实验结果表明,改进后模型对群养生猪检测精度为95.80%,相比于原始YOLOX算法,检测精度提升2.84个百分点,参数量降低63%。最后将本文轻量化模型部署到Nvidia Jetson Nano移动端开发板,通过在开发板上实际运行表明,本文所提模型实现了对不同大小、不同品种猪只的准确识别,为后续智能化生猪养殖提供支持。     

基于无人机偏振遥感的水稻冠层氮素含量反演模型

受水稻冠层几何结构的影响,传统的无人机高光谱获取到的反射光谱信息中包含与水稻内部组成物质无关的镜面反射信息,从而影响水稻氮素含量的反演精度,因此在利用无人机获取水稻冠层反射光谱信息时,有必要考虑通过偏振测量技术去除反射光谱中的镜面反射分量,进而实现提升水稻氮素含量反演精度的目的。基于无人机偏振遥感测量得到的水稻分蘖期多角度偏振光谱数据和与之对应的氮素含量数据,采用植被指数方法分析二者之间的相关性,得到了水稻冠层偏振光谱数据与其对应氮素含量相关性最高时对应的角度,选取该观测角度下的偏振光谱数据,利用连续投影法(Successive projections algorithm, SPA)提取特征波段,在此基础上,基于数学变换的方法,提出了构建植被指数的新思路,构建了由2个波段组成的偏振光谱植被指数(Polarisation spectrum vegetation index, PSVI),并利用线性回归方法建立水稻冠层氮素含量的反演模型。结果表明,通过对不同观测天顶角下水稻冠层偏振光谱数据与氮素含量相关性分析,得到最佳观测角度为-15°(后向观测15°);利用连续投影法提取得到该角度下偏振...     

基于高光谱图谱融合技术的英德红茶等级快速无损判别

茶叶等级评价是检测茶叶品质的一项重要技术指标。通过提取红茶高光谱成像技术下的图像特征和光谱特征,构建一种基于图谱融合方法、适用于英德红茶等级评价的快速无损判别模型。首先制备3种不同等级的红茶样本,采用t分布-随机近邻嵌入和主成分分析对光谱数据进行降维可视化分析,然后从影响内在品质角度用连续投影法提取每种化学值的特征波长,通过多模型共识策略和竞争性自适应重加权算法-连续投影法筛选得出表征其内在品质的最佳特征波长组合,并建立基于遗传算法优化支持向量机的等级判别模型;其模型的训练集准确率为88%,预测集准确率为78.33%。为了融合外形纹理差异,先提取最佳特征波长组合对应的高光谱图像;采用图像掩膜消除背景的干扰和采用图像主成分分析消除多波长图像间的冗余信息,然后采用灰度共生矩阵和局部二值化算法提取主成分前三维主成分图像与特征光谱融合,并建立基于特征融合的遗传算法优化支持向量机等级判别模型,且基于第三主成分图像特征融合模型判别效果最佳,训练集准确率提升至98%,预测集准确率提升至96.67%。     

农村普惠金融对农业绿色全要素生产率的影响研究——基于空间溢出效应的视角

提高农业绿色全要素生产率是实现农业高质量发展的必由之路,也是落实绿色发展理念和推进农业现代化转型的题中之义。在测度农村普惠金融发展水平和农业绿色全要素生产率的基础上,运用空间杜宾模型和调节效应模型实证检验农村普惠金融、人力资本对农业绿色全要素生产率的影响效果。研究发现：农村普惠金融能够显著提升本地区与相邻地区农业绿色全要素生产率;人力资本积累有利于提升相邻地区农业绿色全要素生产率,但对本地区农业绿色全要素生产率的提升无显著影响;人力资本水平越高,农村普惠金融对农业绿色全要素生产率的提升效果越明显,且具有空间溢出效应。进一步研究发现,农村普惠金融的发展主要通过提高农户对金融业务接纳度来推动本地区农业绿色全要素生产率提升。在农村普惠金融对农业绿色全要素生产率的空间溢出效应中,增加金融覆盖密度、改善金融使用情况以及提高金融服务效率均有利于相邻地区农业绿色全要素生产率提升,促进效果依次减弱。因此,深入发展农村普惠金融,以人力资本为载体,重点培育金融服务型人才、构建农村普惠金融与人力资本的协同发展机制是实现农业绿色全要素生产率全面提升的优选之路。     

生产效率视域下加工番茄生产要素冗余的区域差异及影响因素

新疆是我国番茄制品生产和出口的重要基地,基于新疆加工番茄主产县域480份农户的调研数据,采用DEA-BCC模型,测算新疆加工番茄主产县域的生产效率,分析加工番茄主产县域的生产要素冗余率,并利用地理探测器模型,揭示影响加工番茄生产效率的关键因子。结果表明：新疆加工番茄主产县域的生产效率存在显著差异,且生产效率均未达到DEA有效水平;其次,加工番茄主产县域的生产要素投入存在不同程度的冗余,种植面积和农业机械投入冗余属于资源利用强度不足型,劳动力、化肥及农药投入冗余属于要素投入过度型;家庭纯收入、户主年龄、户主受教育程度、种植时间和种植面积是生产效率出现县域差异的主要因子,解释力度介于61.4%~65.2%,且因子间相互作用的影响力均高于单独作用的影响力,表明促进县域之间生产要素的合理流动和高效集聚,发挥主产县域的辐射带动作用,可以有效提高加工番茄种植户的生产效率。     

基于改进YOLOv3网络模型的茶草位置检测算法

精准高效的茶草识别是智能茶园植保机械进行除草工作的关键。针对目前茶园除草智能化程度较低等问题,提出改进YOLOv3网络模型的茶草检测算法。首先,分季节和时间段,在多个茶叶品种的种植园中以自适应的距离和角度采集茶草混合图像并建立试验数据集。接着,使用K均值聚类算法重新设计先验锚框尺度。然后,以YOLOv3网络模型为基础,选取17×17的网格划分图像区域;采用残差网络（ResNet）作为主干网;加入过程提取层,增强草株检测性能。最后在原损失函数中引入广义交并比损失。通过消融试验和不同目标检测算法对比试验验证此改进算法对茶树与杂草的检测效果。试验结果表明,改进 YOLOv3网络模型对杂草的检测精确率和召回率分别为85.34%和91.38%,对茶树的检测精确率和召回率最高达到82.56%和90.12%;与原YOLOv3网络模型相比,检测精确率提高8.05%,并且每秒传输帧数达到52.83 Hz,是Faster R-CNN网络模型的16倍。这些数据说明所提算法在茶园复杂环境下,不仅对于茶树和杂草具有更好的识别效果,而且满足实时检测的要求,可以为智能茶园植保机械提供技术支持。     

基于熵权的TOPSIS模型在黄瓜适宜抗蒸腾产品评价中的应用

为了筛选适宜的抗蒸腾产品,提高黄瓜抗旱性,选用2种代谢型、2种成膜型和1种生长调节剂型共5种抗蒸腾产品进行叶面喷施处理,以喷施清水作为对照,测定黄瓜植株生长、植株生物量和产量品质指标,将熵权法和TOPSIS法相结合,对11个评价指标及6个评价方案进行综合分析.结果表明,代谢型国光抗蒸腾剂处理后黄瓜株高比CK提高1.64...     

鲜牛奶营养评价与FOP标签方案

为指导消费者选购整体营养价值高的鲜牛奶,以及优化鲜牛奶供给结构,本文借鉴瑞典锁孔(Keyhole)标识、较健康选择标志、指引星标签、选择标识、NuVal评分标签的营养素度量法以及评价鲜牛奶的营养成分、信息显示形式等国外实践经验,构建富含营养素食物(NRF)9.3模型,对《中国食物成分表》(第6版第2册)收录的鲜牛奶(全...     

水资源联合调度模型在额济纳绿洲生态环境建设中的应用

对日趋缺水的额济纳绿洲,进行河水与地下水进行联合运用的目的是:减少水资源浪费,恢复生态水位,保护绿洲。按照国家水利部(1997)496号文件:《现状工程条件下黑河干流水量分配方案》(简称“97甘蒙分水方案),不同保证率下分配给内蒙古的水量。根据狼心山水文断面入境水量丰枯变化的分析结果,建立水资源联合调度模型,对四种不同来水方案进行计算。结果表明,执行“甘蒙分水”,采用内蒙长衬砌渠道输水,当保证率P=50%时,入境狼心山水量为7.527×108m3,到2020年地下水位埋深回升到2.35m,相应绿洲面积将扩大到5005.01km2,绿洲植被总盖度可达到58%。基本满足天然非灌溉林草的需水,逐步回补到生态要求的限定水位,使绿洲逐步得到恢复。     

Accounting for uncertainty in pedotransfer functions in vulnerability assessments of pesticide leaching to groundwater

A simulation tool for site-specific vulnerability assessments of pesticide leaching to groundwater was developed, based on the pesticide fate and transport model MACRO, parameterized using pedotransfer functions and reasonable worst-case parameter values. The effects of uncertainty in the pedotransfer functions on simulation results were examined for 48 combinations of soils, pesticides and application timings, by sampling pedotransfer function regression errors and propagating them through the simulation model in a Monte Carlo analysis. An uncertainty factor, f(u), was derived, defined as the ratio between the concentration simulated with no errors, c(sim), and the 80th percentile concentration for the scenario. The pedotransfer function errors caused a large variation in simulation results, with f(u) ranging from 1.14 to 1440, with a median of 2.8. A non-linear relationship was found between f(u) and c(sim), which can be used to account for parameter uncertainty by correcting the simulated concentration, c(sim), to an estimated 80th percentile value. For fine-textured soils, the predictions were most sensitive to errors in the pedotransfer functions for two parameters regulating macropore flow (the saturated matrix hydraulic conductivity, K(b), and the effective diffusion pathlength, d) and two water retention function parameters (van Genuchten's N and alpha parameters). For coarse-textured soils, the model was also sensitive to errors in the exponent in the degradation water response function and the dispersivity, in addition to K(b), but showed little sensitivity to d. To reduce uncertainty in model predictions, improved pedotransfer functions for K(b), d, N and alpha would therefore be most useful.